数理モデルから画像領域分割AIを自動で学習：実画像や教師ラベル付けが不要に

産業技術総合研究所（産総研）は、数理モデルから画像領域分割AIを自動学習する技術を開発したと発表した。大量の実画像収集や人手で行っていた教師ラベル付けなど、これまで行っていた膨大な作業が不要となる。

[馬本隆綱，EE Times Japan]

現場の要求に応じて、カスタマイズ可能なパラメータ

　産業技術総合研究所（産総研）は2023年9月、数理モデルから画像領域分割AIを自動学習する技術を開発したと発表した。大量の実画像収集や人手で行っていた教師ラベル付けなど、これまで行なっていた膨大な作業が不要となる。

　自動運転やロボットなどでは、画像認識AIの導入が進んでいる。画像認識AIに対する要求も、物体を認識する画像識別機能だけでなく、物体の位置情報など詳細内容を把握できる画像領域分割機能を含め、より高度化している。

　こうした中で産総研は、新エネルギー・産業技術総合開発機構（NEDO）が進める委託事業「人と共に進化する次世代人工知能に関する技術開発事業」において、数理モデルから画像や教師ラベルを生成し、AIが基礎的な視覚特徴を自動で獲得する学習済みモデルの構築に取り組んできた。

　これまで、数理モデルで生成した学習用画像に、画像を識別した教師ラベルまで自動で生成するところまで成功している。今回は、画素ごとの位置情報を生成できる画像領域分割のタスクを同時に学習できるようにした。これによって、膨大な人的コストを削減し、実画像データも不要となった。

数理モデルから自動生成したデータセットによる画像認識AIの構築［クリックで拡大］ 出所：産総研

画像認識AIの事前学習と適応学習［クリックで拡大］ 出所：産総研

　今回実現した数理モデルから生成した画像領域分割のデータセットと、AIが実画像と人が付けた教師ラベルで学習した従来の標準的な画像領域分割の公開データセットを比較した。これにより、従来のデータセットと同様の教師データを生成できることが分かった。

画像認識AIが学習する領域分割の画像と教師ラベルの例［クリックで拡大］ 出所：産総研

　さらに、今回実現した画像領域分割のデータセットは、数理モデルを柔軟に変更できる。このため、現場で必要となるデータの性質に合わせ、学習データにおける「形状」や「テクスチャ」「色」などの情報を、あらかじめパラメータによって変更できる。パラメータをカスタマイズすれば、性能を向上させる事前学習が行えるという。

データセットの構成要素［クリックで拡大］ 出所：産総研